正则表达式-Csharp

学习笔记：正则表达式

一． 正则表达式

正则表达式(Regex)是用来进行文本处理的技术，是语言无关的，在几乎所有语言中都有实现。

一个正则表达式就是由普通的字符及特殊字符（称为元字符符）组成的文字模式。该模式秒杀在查找文章主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

正则表达式的常用元字符(全为英文状态，注意可以代表的字符种类和个数)：

 

元字符	含义
.(点)	可以匹配除”\n”外的任意一个字符
[](中括号)	可以匹配中括号内的任意一个字符 例如，"[abc]" 匹配"plain"中的"a"
|(或符号)	可以匹配或符号两边的任意一个字符，优先级比较低 匹配 x 或 y。例如 "z|food" 可匹配 "z" 或 "food"。

 

正则表达式的常用限定符(全为英文状态)：

 

元字符	含义
*(星号)	其限定的表达式出现次数等于或大于0次 例如，"zo*"可以匹配"z"、"zoo"
+(加号)	其限定的表达式至少出现1次 例如，"zo+"可以匹配"zoo",但不匹配"z"
?(问号)	其限定的表达式出现1次或0次 例如，"a?ve?"可以匹配"never"中的"ve"
{n}	其限定的表达式出现次数确定n次(n≥0)
{n,}	其限定的表达式至少出现n次
{n,m}	其限定的表达式出现的次数为≥n次，≤m次(m>n)

 

还有几个重要的符号：

符号	含义
^ (Shift+6)	匹配输入的开始位置 非的意思。例如[^a-z]，匹配非a-z的一个字符。
$ (Shift+4)	匹配输入的结尾
\	将下一个字符标记为特殊字符或字面值 例如：想匹配”.”时或其他特殊字符时，需写为的”\.”
()(小括号)	1. 改变优先级 2. 分组，提取信息

 

需要熟记一些简写：

\d = [0-9]

\D=[^0-9]

\s =空字符，如\n tab space等

\S=非空字符

\w 能组成词的字符(字面、数字、中文或下划线等)

\W 非\w

 

正则表达式在.Net就是用字符串表示，这个字符串格式比较特殊，无论多么特殊，在C#语言看来都是普通的字符串，具体什么含义由Regex类内部进行语法分析。

正则表达式可以进行字符串的匹配、字符串的提取、字符串的替换。C#中分别对应正则表达式的三个重要方法。

1） IsMatch() 返回值为bool类型

格式：Regex.IsMatch("字符串", "正则表达式");

作用：判断字符串是否符合模板要求

例如：bool b =Regex.IsMatch("bbbbg","^b.*g$");判断字符串是否以b开头且以g结尾，中间可以有其他字符，若正确返回true，否则else。

2） Match() 返回值为Match类型，只能匹配一个

Matches() 返回值为MatchCollection集合类型，匹配所有符合的

格式：Match match = Regex.Match("字符串", "正则表达式");

或MatchCollection matches= Regex. Matches ("字符串", "正则表达式");

作用：

①提取匹配的子字符串

②提取组。Groups的下标由1开始，0中存放match的value。

例如：

Match match = Regex.Match("age=30", @"^(.+)=(.+)$");
if (match.Success){     
    Console.WriteLine(match.Groups[0] .Value);//输出匹配的子字符串
    Console.WriteLine(match.Groups[1] .Value);//获取第一个分组的内容
    Console.WriteLine(match.Groups[2] .Value);//获取第二个分组的内容
}

----------------------------------------------------------------------------------

        MatchCollection matches = Regex.Matches("2010年10月10日", @"\d+");
         for (int i = 0; i < matches.Count; i++)
         {
                Console.WriteLine(matches[i].Value);
         }

3） Replace() 返回值为string

两种常用方式如下：

            //将所有的空格替换为单个空格
            string str = "   aa afds     fds  f ";
            str = Regex.Replace(str, @"\s+", " ");
            Console.WriteLine(str);

            string str = "hello“welcome to ”beautiful “China”";
            //hello"welcome to "beautiful "China"
            //$1表示引用第一组。$2表示用第二组。
            string strresult = Regex.Replace(str, "“(.+?)”", "\"$1\"");
            Console.WriteLine(strresult);    

贪婪模式与终结贪婪模式

 

实际应用有采集器（从某个网页上采集邮箱、图片或其他信息）、敏感词过滤、UBB翻译器。

采集邮箱：

 

保存图片：

 

网址处理：

 

敏感词过滤：

 

UBB翻译：

 

 

一些常用的正则表达式

正则表达式用于字符串处理，表单验证等场合，实用高效，但用到时总是不太把握，以致往往要上网查一番。我将一些常用的表达式收藏在这里，作备忘之用。本贴随时会更新。 

匹配中文字符的正则表达式： [\u4e00-\u9fa5] 

匹配双字节字符(包括汉字在内)：[^\x00-\xff] 

匹配空行的正则表达式：\n[\s| ]* 

匹配HTML标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/ 

匹配首尾空格的正则表达式：(^\s*)|(\s*$) 

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 

匹配网址URL的正则表达式：http://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)? 


补充： 
^\d+$  //匹配非负整数（正整数 + 0） 
^[0-9]*[1-9][0-9]*$  //匹配正整数 
^((-\d+)|(0+))$  //匹配非正整数（负整数 + 0） 
^-[0-9]*[1-9][0-9]*$  //匹配负整数 
^-?\d+$    //匹配整数 
^\d+(\.\d+)?$  //匹配非负浮点数（正浮点数 + 0） 
^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$  //匹配正浮点数 
^((-\d+(\.\d+)?)|(0+(\.0+)?))$  //匹配非正浮点数（负浮点数 + 0） 
^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$  //匹配负浮点数 
^(-?\d+)(\.\d+)?$  //匹配浮点数 
^[A-Za-z]+$  //匹配由26个英文字母组成的字符串 
^[A-Z]+$  //匹配由26个英文字母的大写组成的字符串 
^[a-z]+$  //匹配由26个英文字母的小写组成的字符串 
^[A-Za-z0-9]+$  //匹配由数字和26个英文字母组成的字符串 
^\w+$  //匹配由数字、26个英文字母或者下划线组成的字符串 
^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$    //匹配email地址 
^[a-zA-z]+://匹配(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$  //匹配url